import pandas as pd inputfile = './bankloan.xls' data = pd.read_excel(inputfile)
通过data.head()查看前五行数据,结果如下:
该数据集共700条记录;最后一列表示负债与否, ‘0’表示未违约,‘1’表示违约。
X = data.drop(columns='违约') y = data['违约']
·训练模型
from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1) model = LogisticRegression() model.fit(X_train, y_train)
·预测数据结果
y_pred = model.predict(X_test)
打印y_pred查看预测值
可以将预测值与真实值放在一起对比一下,结果如下表(展示前五项):
from sklearn.metrics import accuracy_score score = accuracy_score(y_pred, y_test) print(score)
使用accuracy_score函数,score的结果为0.8285714285714286,即准确度为82.8%。
·接下来画出混淆矩阵
·先写入混淆矩阵可视化函数
def cm_plot(y, y_pred): from sklearn.metrics import confusion_matrix #导入混淆矩阵函数 cm = confusion_matrix(y, y_pred) #混淆矩阵 import matplotlib.pyplot as plt #导入作图库 plt.matshow(cm, cmap=plt.cm.Greens) #画混淆矩阵图,配色风格使用cm.Greens,更多风格请参考官网。 plt.colorbar() #颜色标签 for x in range(len(cm)): #数据标签 for y in range(len(cm)): plt.annotate(cm[x,y], xy=(x, y), horizontalalignment='center', verticalalignment='center') plt.ylabel('True label') #坐标轴标签 plt.xlabel('Predicted label') #坐标轴标签 return plt
·传入参数
cm_plot(y_test, y_pred)
·训练模型
from keras.models import Sequential from keras.layers.core import Dense, Activation from keras.layers import Activation, Dense, Dropout model = Sequential() model.add(Dense(64,input_dim=8,activation='relu')) #8个特征维度 # Drop防止过拟合的数据处理方式 model.add(Dropout(0.5)) model.add(Dense(64,activation='relu')) model.add(Dropout(0.5)) model.add(Dense(1,activation='sigmoid')) # 编译模型,定义损失函数,优化函数,绩效评估函数 model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy']) #二元分类,所以指定损失函数为binary_crossentropy # 导入数据进行训练 model.fit(X_train,y_train,epochs=200,batch_size=128)
·预测数据结果
yp = model.predict_classes(X_test).reshape(len(y_test)) # 分类预测 print(yp)
score = model.evaluate(X_test,y_test,batch_size=128) print(score)
得到当前模型的损失值为0.38988085644585746,精度为0.8285714387893677。当然适当提高迭代次数,可提高精确度。
·依然使用上面的混淆矩阵可视化函数,传入对应参数yp
cm_plot(y_test, yp)
相应的混淆矩阵结果如下图:
对比: 从准确率来看,两个模型的差别不大;从混淆矩阵来看,神经网络模型略胜一筹。总的来说,两个模型对此数据集的预测结果均为良好,不存在大的差别。